Porous Silicon Sensors - from Single Layers to Multilayer Structures
Notice bibliographique
Résumé
Silicon, one of the more common elements in nature, is defined as a metalloid, which corresponds to the number 14 in the Mendeleyev Periodic Table . It is heavier than Carbon (element number 6 in the periodic table and a key component in biochemistry), but both have chemical characteristics that are very close. Since human civilization began, volcanic stones containing this metalloid in the form of dioxide were used to create the first tools and weapons. Roman historian Plinio the Elder (23AD-79AD) mentioned the Silex-Silicis (silicon stones) in one of his works as very hard stones. These roman words are the Latin origin of the name Silicon J.J.Berzelius was credited for the discovery of this element in 1824 in Stockholm, Sweden, but Gay-Lussac and Thenard had already prepared impure amorphous silicon by 1811. After World War II, once the applied mechanical technology was ready to produce very pure silicon wafers (under the form of monolithic crystals) and succeeded to manage the problem of the surface impurities and contamination In summary, it is safe to say that Silicon's role along our evolution extends from prehistoric times to the exploration of the Solar System. In 1956 at the U.S. Bell Laboratories, Arthur Uhlir Jr. and Ingeborg Uhlir while trying a new technique for polishing Silicon crystalline wafers observed for the first time a red-green film formed on the wafer surface Since the discovery of its luminescence properties by Leigh Canham in 1990 This effort has permitted the fabrication of uniform porous layers with diameters as small as one nanometer, and permitting an enormous inner surface density.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».